修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

6 条数据
?? 中文(中国)
  • [IEEE 2019年第46届光伏专家会议(PVSC) - 美国伊利诺伊州芝加哥(2019.6.16-2019.6.21)] 2019年IEEE第46届光伏专家会议(PVSC) - 利用日本住宅光伏系统剩余电力实现100%可再生能源供电的成本分析

    摘要: 本文提出了一种多通道干涉合成孔径雷达(InSAR)稳健参数估计框架,适用于永久散射体干涉测量、SAR层析成像、小基线集和SqueeSAR等技术。这些技术涉及相位历史参数的估计(可能包含或不含协方差矩阵估计)。通常,其最优估计量是在平稳复高斯分布观测值的假设下推导的。然而,针对非遍历且非高斯多元分布的观测值,其统计稳健性尚未得到解决。所提出的稳健InSAR优化(RIO)框架回答了多通道InSAR中的两个基本问题:1)如何最优处理具有较大相位误差的图像(例如由于未建模的运动相位、未补偿的大气相位等引起);2)如何估计非高斯复InSAR多元数据的协方差矩阵,特别是那些具有非平稳相位信号的数据。对于前者,RIO采用稳健M估计量有效降低这些图像的权重;对于后者,我们提出了一种新方法——秩M估计量,该方法对非高斯分布具有稳健性。此外,它无需假设样本平稳性,这是此前未被研究的问题。通过与永久散射体和分布式散射体的最先进估计量进行比较,我们证明了所提框架在处理大相位误差和重尾分布数据方面的优势。在估计方差方面可取得显著改进。该框架可轻松扩展至其他多通道InSAR技术,尤其是那些协方差矩阵估计至关重要的技术。

    关键词: 差分干涉合成孔径雷达(D-InSAR)、稳健估计、秩协方差矩阵、稳健InSAR优化(RIO)、M估计量、合成孔径雷达干涉测量(InSAR)

    更新于2025-09-23 15:19:57

  • [IEEE 2019年欧洲激光与电光会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 德国慕尼黑(2019.6.23-2019.6.27)] 2019年欧洲激光与电光会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 利用氢分子的拉姆齐梳状光谱进行基础物理测试

    摘要: 本文提出了一种完全自动化的光学推扫式传感器正射校正处理流程。该流程从原始卫星影像到正射影像的处理具有鲁棒性,无需人工干预。整个过程??榛胤治母鲋饕街瑁涸萏崛?、自动地面控制点(GCP)提取、几何建模和正射校正。GCP提取步骤以地理配准的矢量道路为参考,生成包含点位列表及其精度评估的文件。物理几何模型基于共线方程,适用于经过传感器校正(一级)的光学卫星影像。该模型采用随时间变化的二阶分段多项式来描述传感器位置与姿态。通过最小二乘平差估算外方位元素,运用随机抽样一致算法和稳健估计方法剔除异常点并优化结果。最终利用数字高程模型对影像进行正射校正,并将其定位至国家坐标系。通过测试三个不同地形区域的RapidEye影像验证了该方法的实用性,并开展多项测试以确保流程高效性与鲁棒性。基于该几何模型,在独立检查点上实现了亚像素级精度,正射影像的位置精度约达一个像素。本方案具有普适性,可便捷适配各类传感器。

    关键词: RapidEye(快眼卫星)、稳健估计、通用物理几何模型、光学影像、自动正射校正、地面控制点(GCP)提取、随机抽样一致算法(RANSAC)

    更新于2025-09-19 17:13:59

  • [IEEE 2019化合物半导体周(CSW)- 日本奈良(2019.5.19-2019.5.23)] 2019化合物半导体周(CSW)- 高聚光条件下用于中间带太阳能电池的GaSb/GaAs量子纳米结构

    摘要: 本文提出了一种多通道干涉合成孔径雷达(InSAR)稳健参数估计框架,适用于永久散射体干涉测量、SAR层析成像、小基线集和SqueeSAR等技术。这些技术涉及有无协方差矩阵估计的相位历史参数估计。通常,其最优估计量是在平稳复高斯分布观测值的假设下推导的。然而,针对非遍历且非高斯多元分布的观测值,其统计稳健性尚未得到解决。所提出的稳健InSAR优化(RIO)框架回答了多通道InSAR中的两个基本问题:1)如何最优处理具有大相位误差的图像,例如由于未建模的运动相位、未补偿的大气相位等;2)如何估计非高斯复InSAR多元的协方差矩阵,特别是那些具有非平稳相位信号的协方差矩阵。对于前者,RIO采用稳健M估计量有效降低这些图像的权重;对于后者,我们提出了一种新方法,即秩M估计量,该方法对非高斯分布具有稳健性。此外,它可以在不假设样本平稳性的情况下工作,这是一个以前未解决的问题。通过与永久散射体和分布式散射体的最先进估计量进行比较,我们展示了所提框架在处理大相位误差和重尾分布数据方面的优势。在估计方差方面可以实现显著改进。所提框架可以轻松扩展到其他多通道InSAR技术,特别是那些协方差矩阵估计至关重要的技术。

    关键词: 差分干涉合成孔径雷达(D-InSAR)、稳健估计、秩协方差矩阵、稳健InSAR优化(RIO)、M估计量、合成孔径雷达干涉测量(InSAR)

    更新于2025-09-19 17:13:59

  • [2019年IEEE亚太电力与能源工程会议(APPEEC) - 中国澳门(2019.12.1-2019.12.4)] 2019年IEEE亚太电力与能源工程会议(APPEEC) - 考虑居民用户转向LED照明的当前负荷模型适应性研究

    摘要: 本文提出了一种完全自动化的光学推扫式传感器正射校正处理流程。该流程从原始卫星影像到正射影像的处理过程稳健可靠,无需人工干预。整个流程模块化划分为四个主要步骤:元数据提取、自动地面控制点(GCP)提取、几何建模和正射校正。其中GCP提取步骤以地理配准的矢量道路为参考,生成包含点位列表及其精度评估的文件。物理几何模型基于共线方程,适用于传感器校正后(一级)的光学卫星影像,通过随时间变化的二阶分段多项式对传感器位置与姿态进行建模。在外方位参数估计环节,采用最小二乘平差法,并运用随机抽样一致算法和稳健估计算法剔除异常点以优化结果。最终利用数字高程模型对影像进行正射校正,并定位至国家坐标系。通过测试三种不同地形区域的RapidEye影像验证了本方法的实用性,通过多项测试确保流程高效性与稳健性?;诟眉负文P?,在独立检查点上实现了亚像素级精度,正射影像的位置精度达到约一个像素。本方案具有普适性,可便捷适配各类传感器。

    关键词: 稳健估计、通用物理几何模型、随机抽样一致算法(RANSAC)、RapidEye卫星、自动正射校正、光学影像、地面控制点(GCP)提取

    更新于2025-09-19 17:13:59

  • [IEEE 2019年机电与能源系统国际会议(SIELMEN) - 罗马尼亚克拉约瓦(2019.10.9-2019.10.11)] 2019年机电与能源系统国际会议(SIELMEN) - 摩尔多瓦共和国光伏技术潜力

    摘要: 本文提出了一种多通道干涉合成孔径雷达(InSAR)稳健参数估计框架,适用于永久散射体干涉测量、SAR层析成像、小基线集和SqueeSAR等技术。这些技术涉及在有无协方差矩阵估计情况下的相位历史参数估计。通常,其最优估计量是在平稳复高斯分布观测值的假设下推导的。然而,针对具有非遍历性和非高斯多元分布的观测值,其统计稳健性尚未得到解决。所提出的稳健InSAR优化(RIO)框架回答了多通道InSAR中的两个基本问题:1)如何最优处理具有较大相位误差的图像,例如由于未建模的运动相位、未补偿的大气相位等引起的情况;2)如何估计非高斯复InSAR多元数据的协方差矩阵,特别是那些具有非平稳相位信号的数据。对于前者,RIO采用稳健的M估计量有效降低这些图像的权重;对于后者,我们提出了一种新方法,即秩M估计量,该方法对非高斯分布具有稳健性。此外,它可以在不假设样本平稳性的情况下工作,这是一个此前未被解决的问题。通过与永久散射体和分布式散射体的最先进估计量进行比较,我们展示了所提框架在处理具有较大相位误差和重尾分布数据方面的优势。在估计值的方差方面可以实现显著改进。所提出的框架可以轻松扩展到其他多通道InSAR技术,特别是那些协方差矩阵估计至关重要的技术。

    关键词: 稳健估计,M估计量,合成孔径雷达干涉测量(InSAR),稳健InSAR优化(RIO),秩协方差矩阵,差分干涉合成孔径雷达(D-InSAR)

    更新于2025-09-19 17:13:59

  • [IEEE IECON 2019 - 第45届IEEE工业电子学会年会 - 葡萄牙里斯本 (2019.10.14-2019.10.17)] IECON 2019 - 第45届IEEE工业电子学会年会 - 基于激光的粒子滤波定位与精修阶段的绝对室内定位辅助方法

    摘要: 本文提出了一种多通道干涉合成孔径雷达(InSAR)稳健参数估计框架,适用于永久散射体干涉测量、SAR层析成像、小基线集和SqueeSAR等技术。这些技术涉及在有无协方差矩阵估计情况下的相位历史参数估计。通常,其最优估计量是在平稳复高斯分布观测值的假设下推导的。然而,针对非遍历且非高斯多元分布的观测值,其统计稳健性尚未得到解决。所提出的稳健InSAR优化(RIO)框架回答了多通道InSAR中的两个基本问题:1)如何最优处理具有较大相位误差的图像,例如由于未建模的运动相位、未补偿的大气相位等引起;2)如何估计非高斯复InSAR多元数据的协方差矩阵,特别是那些具有非平稳相位信号的数据。对于前者,RIO采用稳健M估计量有效降低这些图像的权重;对于后者,我们提出了一种新方法,即秩M估计量,该方法对非高斯分布具有稳健性。此外,它无需样本平稳性假设,这是此前未被解决的问题。通过与永久散射体和分布式散射体的最先进估计量进行比较,我们展示了所提框架在处理具有较大相位误差和重尾分布数据方面的优势。在估计方差方面可实现显著改进。该框架可轻松扩展至其他多通道InSAR技术,特别是那些协方差矩阵估计至关重要的技术。

    关键词: 差分干涉合成孔径雷达(D-InSAR)、稳健估计、秩协方差矩阵、稳健干涉合成孔径雷达优化(RIO)、M估计量、合成孔径雷达干涉测量(InSAR)

    更新于2025-09-16 10:30:52